Yapay Zeka Hızlı Bakış & Çıkarımlar
AI InsightKarşılaştırmada dikkate alınan 15 veri setinin orijinal kriter ağırlıkları arasındaki ortalama DK değeri %61,32 iken MOPA yöntemi % 8,3 ortalama DK değeri ile çözüm üretirken D-ÇAPA yöntemi ise % 5,94 ortalama DK değeri ile çözüm üretmiştir.
📌 3 Maddede Bu Makale
Özet
Literatürde var olan çok kriterli karar verme (ÇKKV) yöntemleri kriter ağırlıklarını belirlerken kabul ettikleri varsayımlar gereği kriterlerin gerçek ağırlıklarını yansıtamayabilirler. Bu durum kriter ağırlıkları arasındaki değişkenliğin artmasına neden olarak kriter ağırlıkları doğru belirlenemediği için belirlenen alternatif en iyi alternatif olamayabilir. Bunun önüne geçebilmek için belirlenmiş olan kriter ağırlıklarının değiştirilmesine ihtiyaç duyulur. MOPA yöntemi değiştirilmiş kriter ağırlıklarını dikkate alan ilk çalışmadır. Bu kapsamda MOPA yönteminin performansı değişkenliğinin azalması ile değerlendirilmektedir. Bu çalışmada Değiştirilmiş Çok Amaçlı Performans Analizi (D-ÇAPA) yöntemi olarak adlandırılan yeni bir ÇKKV yöntemi sunulmuştur. Literatür araştırması sonucu belirlenen 15 farklı veri setleri kullanılarak MOPA ve D-ÇAPA yöntemleri birbirleriyle değişim katsayı (DK) değerleri üzerinden karşılaştırılmıştır. Karşılaştırma sonucu D-ÇAPA yöntemi 15 veri setinin 12’sinde daha az DK ile çözüm elde ederken, 2 veri setinde aynı DK çözümü elde etmiş, MOPA yöntemi sadece 1 veri setinde daha az DK ile çözüm bulmuştur. Karşılaştırmada dikkate alınan 15 veri setinin orijinal kriter ağırlıkları arasındaki ortalama DK değeri %61,32 iken MOPA yöntemi % 8,3 ortalama DK değeri ile çözüm üretirken D-ÇAPA yöntemi ise % 5,94 ortalama DK değeri ile çözüm üretmiştir.
Abstract
Multi-criteria decision making (MCDM) methods available in the literature may not reflect the actual weights of the criteria due to the assumptions they accept while determining the weights of the criteria. This situation causes the variability between the criterion weights to increase and the alternative determined may not be the best alternative since the criterion weights cannot be determined correctly. In order to prevent this, it is necessary to change the weights of the determined criteria. The MOPA method is the first study to consider modified criterion weights. In this context, the performance of the MOPA method is evaluated by the decrease in its variability. In this study, a new MCDM method called Modified Multi-Objective Performance Analysis (D-ÇAPA) method is presented. Using 15 different data sets determined as a result of the literature research, MOPA and (D-ÇAPA) methods were compared with each other on coefficient of variation (CV) values. As a result of the comparison, while the (D-ÇAPA) method obtained a solution with less CV in 12 of 15 data sets, it obtained the same DC solution in 2 data sets, and the MOPA method found a solution with less CV in only 1 data set. While the average CV value between the original criterion weights of the 15 data sets considered in the comparison was 61.32%, the MOPA method produced a solution with an average CV value of 8.3%, while the D-ÇAPA method produced a solution with an average CV value of 5.94%.